招生要求
1. 学历背景要求
需持有正规院校授予的硕士学位（或同等学历，如本科毕业但具备突出科研成果者可申请直博，需额外提供科研能力证明），专业方向优先考虑 Medical Imaging、Biomedical Engineering、Electrical Engineering、Biomedicine 等相关领域。
2. 语言能力要求
非英语授课本科 / 硕士毕业生需提供语言成绩：雅思（IELTS）总分不低于 6.0（单项不低于 5.5），或托福（TOEFL）网考不低于 80 分；若本科 / 硕士阶段为全英文授课，可提交授课证明豁免语言成绩。
3. 申请材料清单
需提交个人简历（含科研经历）、研究计划（需结合 MOK 教授研究方向撰写，明确研究兴趣与目标）、本科及硕士阶段成绩单（需公证）、两封学术推荐信（由硕士导师或科研合作导师撰写）、已发表论文（如有，需提供全文及检索证明）、荣誉证书（如有）。
4. 选拔流程
先进行材料审核（重点评估科研潜力与研究计划匹配度），通过后需参加线上面试（考察专业知识、科研思维及英文沟通能力），最终结合材料成绩与面试表现确定录取名单。
5. 全奖覆盖内容
全额奖学金包含：免除博士阶段全部学费；每月生活津贴（约 MOP 18,000，覆盖澳门当地基本生活开支）；每年科研经费补贴（用于参加国际会议、购买实验耗材等）；部分项目可申请国际合作交流资助。
研究方向
1. Medical Imaging 技术优化与临床转化
聚焦 Single Photon Emission Computed Tomography（SPECT）和 Positron Emission Tomography（PET）的成像质量提升，如低剂量成像去噪技术（已发表 “One-size-fits-all diffusion model for low dose myocardial perfusion SPECT denoising” 于 Journal of Nuclear Medicine）、帕金森病诊断相关的 99mTc-TRODAT-1 SPECT 衰减校正（发表于 EJNMMI Physics）。
2. Multi-modality Imaging（PET/SPECT/CT/MRI）融合应用
探索多模态影像的协同分析方法，已开展方向包括：乳腺癌良恶性鉴别（ultrafast DCE-MRI 技术，发表于 Computerized Medical Imaging and Graphics）、冠心病诊断（心肌灌注 SPECT 与多准则决策模型结合，发表于 Journal of Nuclear Medicine）、神经退行性疾病研究（数字脑体模开发，用于帕金森病放射性核素成像，发表于 EJNMMI Physics）。
3. AI 与医学影像交叉研究
将人工智能技术应用于影像处理与疾病预测，如迁移学习（transfer learning）用于 SPECT 衰减校正及冠心病预测（多中心研究，发表于 Journal of Nuclear Medicine）、多模态分割模型（mmSAM）用于肿瘤 PET/CT 病灶分割（发表于 Journal of Nuclear Medicine）、扩散模型（diffusion model）用于低剂量 SPECT 去噪。
4. Internal Dosimetry 与精准治疗
研究放射性药物在体内的剂量分布，探索 “Physics+AI” 整合方法实现精准治疗剂量测定（如发表的 “Precision Theranostics Dosimetry via Integrated Physics and AI Approaches”），为核素治疗提供剂量学依据。
5. Molecular Imaging 与疾病机制研究
结合分子影像技术探索疾病病理机制，如细胞外囊泡（engineered extracellular vesicles）在缺血性脑卒中治疗中的递送作用（发表于 Neural Regeneration Research），为影像引导下的分子治疗提供新思路。
有想法
1. 基于迁移学习的多模态影像整合模型用于早期阿尔茨海默病（AD）诊断
背景：现有 AD 早期诊断依赖单一模态影像（如 PET 或 MRI），敏感性不足；MOK 教授团队已掌握迁移学习在帕金森病 SPECT 中的应用技术。
创新点：构建 “PET（淀粉样蛋白显像）+MRI（结构 / 功能影像）” 迁移学习整合模型，利用健康人群与帕金森病患者的影像数据预训练模型，提升 AD 早期微小病灶的检出率；结合脑脊液生物标志物数据优化模型，实现 “影像 + 分子” 双维度诊断。
可行性：依托团队已开发的数字脑体模（发表于 EJNMMI Physics），可快速生成模拟数据用于模型训练；澳门及香港多中心临床资源可提供真实患者影像数据。
2. AI 驱动的动态内照射剂量实时计算系统开发
背景：当前 Internal Dosimetry 计算依赖静态影像，无法反映放射性药物在体内的动态分布，导致剂量估算误差较大；MOK 教授团队已开展 Physics 与 AI 结合的剂量学研究。
创新点：开发基于实时 SPECT/PET 影像的动态剂量计算算法，通过 AI 实时追踪放射性药物在靶器官与正常组织中的浓度变化，自动调整剂量计算参数；整合患者生理参数（如肝肾功能、体重）构建个性化剂量预测模型。
可行性：团队已有的低剂量影像去噪技术（发表于 Journal of Nuclear Medicine）可保障实时影像质量；与澳门本地医院核医学科合作，可获取临床治疗中的动态影像数据。
3. 细胞外囊泡（EVs）介导的缺血性脑卒中影像 - 治疗一体化研究
背景：MOK 教授团队已发现工程化 EVs 可作为缺血性脑卒中的递送载体（发表于 Neural Regeneration Research），但缺乏影像引导下的精准递送技术。
创新点：将靶向缺血脑组织的 EVs 标记放射性核素（如 99mTc），通过 SPECT 实时追踪 EVs 在体内的分布与富集情况；结合 MRI 评估脑组织缺血区域，实现 “影像定位 - EVs 递送 - 疗效评估” 一体化；探索 EVs 负载治疗药物后的影像引导精准释放技术。
可行性：团队已掌握 EVs 制备与标记技术；澳门大学健康科学学院可提供脑卒中动物模型，用于技术验证。
